Parametryzacja dźwięków w celu wykrywania zdarzeń niebezpiecznych

• Autorzy: Łopatka K. , Żwan P. , Czyżewski A.

Warianty tytułu

EN

Parametrization of sounds for recognizing hazardous events

• Języki publikacji: PL

Abstrakty

PL

Nowoczesne systemy monitoringu działają na zasadzie automatycznego wykrywania niebezpiecznych zdarzeń na podstawie analizy obrazu z kamer i dźwięku z mikrofonów. W niniejszej publikacji skupiono się na pierwszym etapie rozpoznawania zdarzeń dźwiękowych, jakim jest parametryzacja dźwięku. Podstawą do skutecznego działania systemu jest znalezienie parametrów, których zmienność najlepiej odzwierciedla cechy charakterystyczne dźwięku związane ze zdarzeniami niebezpiecznymi. W tym celu stworzono zbiór 28 parametrów, w którym znajdują się parametry opisane w standardzie MPEG-7 i parametry zdefiniowane specjalnie dla tego zastosowania. Przedstawiono metody obliczania parametrów z postaci czasowej lub widmowej sygnału. Następnie zbiór ten został sprawdzony poprzez badanie skuteczności klasyfikacji przykładowych próbek dźwiękowych przy pomocy klasyfikatora opartego o maszynę wektorów wspierających (SVM).

EN

Modern surveillance systems employ both acoustic and video signal analysis for dangerous event detection. Calculation of parameters is the first stage of a sound recognition algorithm. The key to efficient sound classification is to define parameters, which accurately reflect the differences between recognized classes. A method for parametrization of sounds for recognizing hazardous sound events is presented. A set of 28 parameters is described, which contains dedicated signal features and MPEG-7 descriptors chosen on the basis of experiments and statistical analysis.. Methods for calculation of features are presented. A classifier using the described parameters is tested, yielding high accuracy results.

Słowa kluczowe

PL

parametryzacja dźwięków; wykrywanie zdarzeń niebezpiecznych

EN

parametrization of sounds; recognizing hazardous events

• Wydawca: Wydział Elektroniki, Telekomunikacji i Informatyki Politechniki Gdańskiej
• Czasopismo: Zeszyty Naukowe Wydziału ETI Politechniki Gdańskiej. Technologie Informacyjne
• Rocznik: 2010
• Tom: T. 19
• Strony: 225--230
• Opis fizyczny: Bibliogr. 9 poz., rys., tab.

Twórcy

autor

Łopatka K.

autor

Żwan P.

autor

Czyżewski A.

• Politechnika Gdańska Katedra Systemów Multimedialnych

Bibliografia

• [1] Zwan, P., Sobala, P., Szczuko, P., Czyzewski A., Multimedia Services In Intelligent Environments, Audio Content Analysis In the Urban Area Telemonitoring System, 2009.
• [2] Rabaoui, A., Kadri, H., Lachiri, Z., Ellouze, N., Using robust features with multi-class SVMs to classify noisy sounds, Int. Symp. on Communications, Control and signal Proc., Malta, 1214.03.2008.
• [3] Hsu, W., Chang, Ch, Lin, J., A practical guide to support vector classification, Dept. of Computer Science, National Taiwan university, Taipei, 19.05.2009.
• [4] Daudet, L., “A Review on Techniques for the Extraction of Transients in Musical Signals”, Proc. CMMR'05, Pisa 2005.
• [5] Kim, H., Moreau, N., Sikora, T., Audio classification based on MPEG-7 spectral basis representations, IEEE Trans. on Circuits and Systems for Video Technology, 14, 716725, 2004.
• [6] Wang, J.F., Wang, J.Ch., Huang, T., Hsu, Ch., Home environmental sound recognition based on MPEG-7 features, 2003 IEEE Symp. on Mico-NanoMechatronics and Human Science, 2, 682685, 2003.
• [7] Zwan, P., Czyzewski, A., Automatic sound recognition for security purposes, Proc. 124th Audio Engineering Society Convention, Amsterdam, 2008.
• [8] Waikato Environment for Knowledge Analysis – http://www.cs.waikato.ac.nz/ml/weka/.
• [9] Platt, J. Sequential minimal optimization: a fast algorithm for training Support Vector Machines, Technical Report MSR-TR-98-14 ,Microsoft Research, 1998.